基于概念簇的多主题提取算法-智能系统学报.pdfVIP

第 １０卷第２期　 　 　 　 　 　 　 　 　 　 　 　 智　 能　 系　 统　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 Ｖｏｌ．１０ №．２ ２０１５年４月　 　 　 　 　 　 　 　 　 　 　 ＣＡＡＩ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ　 　 　 　 　 　 　 　 　 　 　 　 　 Ａｐｒ． ２０１５ ＤＯＩ：１０．３９６９／ ｊ．ｉｓｓｎ．１６７３⁃４７８５．２０１４０５０６６ 网络出版地址：ｈｔｔｐ：／ ／ ｗｗｗ．ｃｎｋｉ．ｎｅｔ／ ｋｃｍｓ／ ｄｅｔａｉｌ／ ２３．１５３８．ＴＰ１１０６．００６．ｈｔｍｌ 基于概念簇的多主题提取算法 １，２ １，２ １ 马甲林 ，张永军 ，王志坚 （１．河海大学计算机与信息学院，江苏 南京 ２１１１００；２． 淮阴工学院计算机工程学院，江苏 淮安 ２２３００３） 摘　 要：现实世界存在着大量的多主题文本，多主题在信息检索、图书情报等领域有着广泛的应用。 传统主题提取 算法大多是针对文本整体提取一个主题，且存在缺乏语义信息、向量高维和稀疏等缺陷。 以《知网》为知识库，构建 概念向量表示文本，根据概念的语义及上下文背景对同义词进行归并、对多义词进行排歧，并利用概念间语义关系 实现语义相似度计算；在此基础上提出基于概念簇的多主题提取算法 ＭＥＡＢＣＣ，该算法通过对概念进行聚类，得到 多个主题簇；在使用Ｋ⁃ｍｅａｎｓ算法进行概念聚类时，通过“预设种子”方法对其进行改进，以弥补传统Ｋ⁃ｍｅａｎｓ算法 对初始中心的敏感性所引起的时空开销不稳定、结果波动较大的缺陷。 实验结果表明，该算法具有较好的准确率、 召回率和Ｆ 值。 １ 关键词：语义；稀疏；上下文背景；知识库；概念簇；多主题提取；Ｋ⁃ｍｅａｎｓ；ＭＥＡＢＣＣ 中图分类号：ＴＰ１８　 文献标志码：Ａ　 文章编号：１６７３⁃４７８５（２０１５）０２⁃０２６１⁃０６ 中文引用格式：马甲林，张永军，王志坚． 基于概念簇的多主题提取算法［Ｊ］． 智能系统学报，２０１５，１０（２）：２６１⁃２６６． 英文引用格式：ＭＡＪｉａｌｉｎ，ＺＨＡＮＧＹｏｎｇｊｕｎ，ＷＡＮＧＺｈｉｊｉａｎ．Ｍｕｌｔｉ⁃ｔｏｐｉｃｅｘｔｒａｃｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｃｏｎｃｅｐｔｃｌｕｓｔｅｒｓ［Ｊ］． ＣＡＡＩ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ，２０１５，１０（２）：２６１⁃２６６． Ｍｕｌｔｉ⁃ｔｏｐｉｃ ｅｘｔｒａｃｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｃｏｎｃｅｐｔ ｃｌｕｓｔｅｒｓ １，２ １，２ １ ＭＡ Ｊｉａｌｉｎ ，ＺＨＡＮＧ Ｙｏｎｇｊｕｎ ，ＷＡＮＧＺｈｉｊｉａｎ （１． Ｃｏｌｌｅｇｅ ｏｆ Ｃｏｍｐｕｔｅｒ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ，Ｈｏｈａｉ Ｕｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ２１１１００，Ｃｈｉｎａ；２． Ｓｃｈｏｏｌ ｏｆ Ｃｏｍｐｕｔｅｒ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｈｕａｉｙｉｎ Ｉｎ⁃ ｓｔｉｔｕｔｅ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ，Ｈｕａｉａｎ ２２３００３，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｅｒｅ ａｒｅ ａｌａｒｇｅｎｕｍｂｅｒ ｏｆ ｍｕｌｔｉ⁃ｔｏｐｉｃｄｏｃｕｍｅｎｔｓｅｘｉｓｔｉｎｇ ｉｎｔｈｅｒｅａｌｗｏｒｌｄ，ａｎｄｔｈｅｅｘｔｒａｃｔｉｏｎｏｆ ｍｕｌｔｉ⁃ ｔｏｐｉｃ ｉｓｗｉｄｅｌｙ ｕｓｅｄ ｉｎ ｔｈｅ ｆｉｅｌｄｓ ｏｆ ｉｎｆｏｒｍａｔｉｏｎ ｒｅｔｒｉｅｖａｌ，ｌｉｂｒａｒｙ ｓｃｉｅｎｃｅ ａｎｄ ｉｎｔｅｌｌｉｇｅｎｃｅ． Ｉｎ ｔｈｅ ｔｒａｄｉｔｉｏｎａｌ ｔｈｅｍｅ ｅｘｔｒａｃｔｉｏｎ ａｌｇｏｒｉｔｈｍ，ｉｎ ｍｏｓｔ ｃａｓｅｓａｔｈｅｍｅｉｓｅｘｔｒａｃｔｅｄｆｏｒｔｈｅｗｈｏｌｅｔｅｘｔ，ｗｈｉｃｈｌａｃｋｓｏｆ ｓｅｍａｎｔｉｃｉｎｆｏｒｍａｔｉｏｎ